XNews

Netflix 构建可观测性本体与 RDF 知识图谱,将故障排查时间从 4 小时缩短

Netflix 构建可观测性本体与 RDF 知识图谱,将故障排查时间从 4 小时缩短

Netflix 构建了可观测性本体和存储在 QuipuDB 中的 RDF 知识图谱,利用类型约束将非确定性的 LLM 和模糊匹配输出转换为确定性的、可通过 SPARQL 查询的事实,为 AutoRCA 提供数据支持。该系统解决了工程师需要重建各工具从未作为可发现关系暴露的实体映射、耗时约四小时的调查问题,覆盖每日超过 20 亿次请求和每秒约 3800 万条实时日志事件的规模。

事件版本 1.

Key insights

本体作为共享词汇表

本体将类型、属性和允许的关系定义为主语-谓语-宾语三元组,例如 api-gateway ops:ownedBy "Team Bedrock"。单个查询即可回答哪些事件与 us-east-1 中的 Bedrock 应用相关。

拒绝通用 Service 类型

Netflix 将实体统一为 ops:Application,并依据约 49,000 条目的软件目录进行验证,未经验证的字符串不会成为应用。双向依赖边设有上限,以防止热门服务压垮图谱。

从非确定性到确定性的熵阶梯

LLM 摘要、模糊匹配和概率因果链不稳定,因此本体通过枚举将输出空间收窄为确定性三元组。五层流水线逐步减少仍被困在非结构化形式中的信息比例。

关联引擎作为有证据支持的假设

关联引擎在约 10 分钟窗口内读取 13 类信号,通过时间接近度和严重性寻找路径,丢弃置信度低于 0.6 的关联链。关联链和支持性图谱记录以 0.87 等分数保存。

AutoRCA 保持人类控制

多个专家代理围绕同一问题协作,以本体作为共同词汇,同时告警仍然触发、人类仍然决策、代码仍由人编写。每个假设都附带证据,因为假设仍可能是错误的。

Source posts